基于多传感器信息融合的工业装备故障预测方法研究

发布时间：2023-03-11 07:21

　　随着工业化革命以及科学技术的发展,工业装备的结构趋于精密化,部件之间的耦合性增高。当工业装备处于生产运行的状态时,某个环节或者部件出现故障,可能会导致整个生产链的断裂,从而产生巨大的经济损失甚至是人身安全问题。而工业装备的故障预测技术能够提前发现故障,因此,工业装备的故障预测具有实际的工程意义。但是传统的故障预测模型需要大量的数据,且仅利用单传感建立预测模型是无法利用工业装备运行期间全部的有效信息,因此提出一种基于灰色预测模型、神经网络算法以及证据理论的多传感器信息分层融合技术以实现工业装备的故障预测,相关工作如下:1.针对灰色预测模型中存在用于建模的传感器检测数据序列光滑性不高、灰色预测模型背景值构造方式过于简单以及传统预测模型无法满足系统动态的发展的需求等问题,通过研究模型的预测精度、原始序列的类型以及函数变换的三者关系,提出以反正弦函数对震荡的传感器监测序列进行平滑处理;提出以曲线面积的积分法代替传统的背景值构造方式;将新陈代谢与传统预测模型相结合,满足系统的动态发展需求。最后的数值实验分别验证了改进方法的可行性。2.以灰色预测模型的建模序列作为BP神经网络融合算法的输入训练集,...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 故障预测技术研究状况
    1.3 多传感器信息融合技术研究现状
    1.4 论文主要研究内容与结构安排
第二章 多传感器信息融合技术综述
    2.1 多传感器信息融合技术的基本概念
        2.1.1 基本概念
        2.1.2 多传感器信息融合的体系结构
        2.1.3 多传感器信息融合的层次结构
    2.2 多传感器数据处理
        2.2.1 多传感器数据一致性处理
        2.2.2 多传感器数据特征提取
    2.3 多传感信息的分层融合预测模式
    2.4 本章小结
第三章 基于特征层的单传感器信息融合的故障预测模型
    3.1 基于传感器特征值的灰色故障预测算法
    3.2 灰色预测算法的优缺点以及改进方法
        3.2.1 灰色预测模型优缺点分析
        3.2.2 基于函数变换的灰色预测模型原始序列光滑处理
        3.2.3 基于背景值重构的灰色预测模型改进
        3.2.4 基于新陈代谢的动态灰色预测模型的构建
    3.3 单传感器多特征信息融合的结构模型及算法确定
        3.3.1 特征层信息融合的结算法确定
        3.3.2 基于BP神经网络的特征层融合算法
        3.3.3 BP神经网络融合算法存在的问题
        3.3.4 BP神经网络融合算法的改进
    3.4 基于改进的BP神经网络在特征层信息融合中的应用
    3.5 本章小结
第四章 基于决策层的多传感器信息融合故障预测模型
    4.1 工业装备运行信息融合的不确定性
    4.2 D-S证据理论基本原理
        4.2.1 D-S证据理论的基本定义
        4.2.2 D-S证据理论的融合规则
        4.2.3 基于D-S证据理论信息决策层融合的基本过程
    4.3 D-S证据理论优缺点分析
    4.4 D-S证据理论的改进
        4.4.1 基本概率分配函数构造方式改进
        4.4.2 组合规则的改进
    4.5 基于改进的D-S证据理论算例分析
    4.6 本章小结
第五章 基于多传感器信息融合的工业装备故障预测
    5.1 实验场景
    5.2 传感器测量数据处理及特征提取
        5.2.1 传感器一致性检验
        5.2.2 传感器特征值提取
    5.3 工业装备故障预测过程
        5.3.1 D-S证据理论识别框架的确定
        5.3.2 证据体及其基本概率分配值的确定
        5.3.3 基于D-S证据理论的决策融合及分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间主要的研究成果
致谢



本文编号：3759444